SingularityNET 發布了基於 Hyperon 和 PRIMUS 的通用人工智能統一框架
- Hyperon 和 PRIMUS 通過共享的 Atomspace 內存將符號推理與神經學習融合在一起，以支持更廣泛的智能目標。
- PRIMUS認知迴路指導目標和模式發現，而集成工具在一個統一的記憶結構中處理任務。
SingularityNET首席科學家Ben Goertzel最近發布一份詳細的白皮書，將 HYPEron 和 PRIMUS 作為一個集成架構進行介紹，旨在發展當前的人工智能係統該項目旨在將符號推理和神經學習融合到一個架構中，最終目標是實現通用人工智能（AGI），並將其發展成為超級智能。
SingulARityNET表示，
“我們推出 HypeRON AGI 平台和相關的 PRIMUS 認知架構，作為一個統一的神經符號框架，旨在從當前的 AI 過渡到 AGI，最終實現有益的超級智能。”
與許多由互不相連的模塊構建的人工智能框架不同，HyPEron 使用統一的方法來處理感知、記憶和學習。 它將所有系統內容（包括目標、信息、過程和神經模式）存儲在一個名為“原子空間”的結構中。 這種設置使得符號系統和神經系統無需外部數據調用即可直接在共享內存上進行交互。
MORK 是 Atomspace 的可擴展版本，也是一項關鍵的進步。 它支持無鎖定快速訪問，並使用 PathMap 和 Merkle-DAG 等高效格式來管理數據。 MORK 還通過 QuantiMORK 將多分辨率圖直接嵌入內存，從而整合了神經元素，消除了通常在符號處理和神經處理之間切換時出現的延遲。
我們提出了 Hyperon AGI 平台和相關的 PRIMUS 認知架構，作為一個統一的神經符號框架，旨在從當前的 AI 過渡到 AGI，最終實現有益的超級智能。
請點擊此處閱讀：https://t.co/xwxmizSnwv pic.twitter.com/O1ZuUzqTIA
— SingularityNET (@SingularityNET)2025年12月1日
PRIMUS認知迴路指導目標決策
決策層由PRIMUS負責，PRIMUS是專為Hyperon架構構建的認知架構。 它通過兩個主要循環運行。 一個循環使用名為MetaMo的機制來管理直接目標，該機制控制動機的生成。 另一個循環則在後台靜默運行，不斷尋找模式並根據現有知識改進預測。
這些循環在共享的原子空間內存上運行，並使用通用方法來控制推理和資源使用。 例如，推理難度用“測地線努力”來衡量，而決策的簡易性則由基於量子化的系統指導。
PRIMUS包含多個子系統，它們各自發揮關鍵作用。 WILLIAM負責壓縮和概括模式，而MOSES執行進化程序搜索。 SubRep將大型任務分解為更小的動作。 ECAN模塊基於效用管理注意力分配。 這些系統之間流暢交互，符號域和神經域之間沒有轉換層。
SingularityNET平台推動各領域進步
到2025年，Hyperon和PRIMUS將為遊戲AI試點項目、生物信息學、數學工具和社會機器人提供支持。 這種方法不僅改進了現有模式，也完善了構建通用人工智能框架的途徑，為實現廣泛且安全的通用人工智能鋪平了道路。
這種共享格式使得人工智能模型能夠在安卓設備或分佈式網絡上運行。 用 MeTTa 編寫的代碼可以在各種系統上運行，包括區塊鏈基於環境的設計。 所有設計都以可複現性和可追溯性為核心，這使其有別於傳統的機器學習設置。
SingularityNET 從獨立的 AI 組件轉向單一的認知系統，體現了構建具有清晰規則、統一記憶和去中心化執行的通用智能的意圖。
